matlab系统辨识工具箱简介(njust).pdf

MATLAB 系统辨识工具箱简介 MATLAB 的辨识工具箱提供了进行系统模型辨识的有力工具，其主要功能 包括： （1） 各种模型类的建立和转换函数 （2 ） 非参数模型的辨识 （3 ） 参数模型的辨识 （4 ） 递推参数估计 （5 ） 模型验证工具 （6 ） 集成多种功能的图形用户界面 1 系统辨识工具箱函数 表1 系统辨识工具箱函数 函数名 功能 模型的建立函数 idarx 从 ARX 多项式建立 ARX 模型 iddata 标准包含输入输出数据的对象 idgrey 根据 m 文件定义 idgrey 模型 idpoly 构造基于输入输出模型的 idpoly 模型 idmodel 基本的模型对象，综合了许多模型的公共特点 idss 构造状态空间模型 idfrd 构造 idfrd 模型 模型转换和模型结构函数 c2d 将连续时间模型转换为离散时间模型 d2c 将离散时间模型转换为连续时间模型 tfdata 将模型转换为传递函数 zpkdata 计算模型的零点、极点和稳定增益 ssdata 将模型转换为状态空间模型 idmodred 对模型降阶 arxdata 从模型中提取 ARX 模型参数 freqresp 计算模型的频率函数 ss,tf,zpk,frd 将系统辨识工具箱中的模型对象转换为控制系统工具箱中的 LTI 模型 1 非参数模型的辨识函数 covf 估计时间序列的协方差函数 cra 采用相关分析方法估计对象脉冲响应和方差函数 etfe 直接基于快速 Fourier 变换估计对象的频率响应 spa 利用频谱分析方法估计对象的频率响应和噪声频谱 参数模型类的辨识函数 ar 时间序列的AR 模型 ivar 基于最优辅助变量选择的 AR 模型辨识 arx 基于最小二乘法估计的 ARX 模型辨识 iv4 采用近似最优 4 阶段辅助变量法的 ARX 模型辨识 ivx 采用任意辅助变量的 ARX 模型辨识 armax 估计 ARMAX 或 ARMA 模型的参数 oe 基于预测误差法的输出误差模型辨识 bj 基于预测误差法的 Box-Jenkins 模型辨识 n4sid 基于子空间方法的状态空间模型辨识 pem 基于预测误差法的通用线性输入输出模型辨识 非参数模型类的辨识函数 rarx 递推最小二乘法的 ARX 模型辨识 rarmax 递推最小二乘法的 ARMAX 模型辨识（只能用于单输入单输出系统） rbj Box-Jenkins 模型的递推辨识 roe 输入误差模型的递推辨识 rpem 递推预测方法的线性输入输出模型辨识 rplr 伪线性回归的线性输入输出模型辨识 segment 基于数据分段的 ARX 或 ARMAX 模型辨识